AI-Teststellung für Ihre Use Cases 

AI-Lösungen vor der Investition testen – passende IT-Infrastruktur einführen

Unterschiedliche AI-Plattformen mit realen Workloads evaluieren: Genau diese Möglichkeit bietet Ihnen unsere AI-Teststellung. Damit schaffen Sie die Grundlage für die erfolgreiche Umsetzung Ihrer AI-Projekte! Das zeichnet unsere Teststellung aus:

  • Eigene AI Use Cases statt synthetischer Benchmarks
  • Lokal bei Ihnen vor Ort oder gehostet von CANCOM in Deutschland
  • Wahl zwischen Desktop-, Enterprise- und High-Performance AI
cancom_b_flexpod

Zentrale Vorteile im Überblick

  • Praxisnahe Evaluierung: Testen Sie AI-Anwendungen mit Ihren eigenen Daten, Modellen und Anwendungsfällen.
  • Transparente Leistungsbewertung: Vergleichen Sie Performance, Skalierbarkeit und Ressourcenbedarf anhand realer Workloads. 
  • Fundierte Entscheidungsgrundlage: Gewinnen Sie belastbare Erkenntnisse für die Auswahl Ihrer zukünftigen AI-Infrastruktur. 
  • Schnellere Umsetzung: Reduzieren Sie Risiken und beschleunigen Sie den Weg vom Proof of Concept zum produktiven Einsatz. 
b daniel kiehl

Daniel Kiehl

Director Competence Center, Datacenter & Cloud bei CANCOM

„Wir nehmen der AI-Investition das Risiko, indem wir sie vorab erlebbar machen. Vom Entwickler-Desktop über den kompletten AI-Stack bis hin zur Blackwell-Plattform in unserer AI Factory können Kunden jede Ausbaustufe unter realen Bedingungen testen.“ 

So läuft die AI-Teststellung ab

Die Teststellung erfolgt in vier Schritten. Das Ergebnis ist eine produktionsreife Zielarchitektur, mit der sich Ihre Use Cases optimal abbilden lassen

Anfrage

1

Kurze Beschreibung von Ausgangslage und konkreten AI-Use Case(s)  

Vorqualifizierung

2

Gemeinsame Prüfung der Use Cases und des Performancebedarfs der AI-Workloads, Validierung einer geeigneten Testumgebung 

Testphase

Praktische Live-Durchführung der Teststellung auf entsprechender IT-Infrastruktur  

Follow-Up

Bewertung der Ergebnisse, Aufsetzen eines Fahrplans für mögliche Zielarchitektur   

Welche Infrastruktur passt zu Ihren AI-Anforderungen?

Je nach AI Use Case unterscheiden sich die Anforderungen an die zugrunde liegende IT-Infrastruktur. Deshalb bieten wir verschiedene Optionen für die AI-Teststellung an. Diese richten sich an AI Engineers, Data Scientists, AI Architekten sowie IT- und Infrastruktur-Verantwortliche, die AI-Lösungen entwickeln, testen oder produktiv einsetzen möchten. 

Die folgende Übersicht zeigt, welche Infrastruktur für welchen Anwendungsfall geeignet ist: 

Produktname  Produkttyp Anforderungen Anwendungsbereich
NVIDIA DGX Spark Desktop-System Einstieg  Entwicklung, Prototyping, Validieren 
FlexPod AI Reference Architecture SolutionFull-Stack-Infrastrukturerweiterte Anforderungen  Skalierbare Enterprise-Plattform für produktiven Betrieb 
CANCOM AI Factory – NVIDIA DGX B300 Server maximale Performance  Training, Fine-Tuning, anspruchsvolles Inferencing 

Für den Einstieg: NVIDIA DGX Spark

Mit NVIDIA DGX Spark bietet NVIDIA ein kompaktes Desktop-System an, mit dem sich erste, kleinere AI-Use Cases autark, kostengünstig und komplett lokal testen und abbilden lassen. Dafür werden Storage, Compute und Network in einem System vereint.

Das Desktop-System ist sofort startklar und schafft – besonders dank komplett lokaler Abwicklung der AI-Workloads – die ideale Basis für eine DSGVO-konforme Datenverarbeitung. Darüber hinaus fallen keine Cloud-Kosten an.

b cancom flexpod 1

Welche typischen Anwendungsfälle sind mit NVIDIA DGX Spark möglich? 

  • Lokale Ausführung und Fine-Tuning von Large Language Models (LLMs) 
  • Aufbau und Test lokaler AI-Agenten und Copilot-Lösungen – ohne Cloud-Anbindung 
  • RAG-Anwendungen mit Unternehmensdaten und Dokumenten 
  • Datenanalyse, Machine Learning und Data Science Workloads 
  • Generative AI für Text, Bild, Audio und Video  
  • Vorbereitung und Skalierung von Workloads auf DGX-Systemen, DGX Cloud oder AI Factories 

Komponenten und technische Daten 

  • AI-Leistung: bis zu 1 Petaflop (FP4), theoretisch mit Sparsity  
  • Unified Memory (gemeinsamer Arbeitsspeicher): 128 GB  
  • Speicher: 4 Terabyte NVMe-SSD 
  • Compute: NVIDIA GB10 Grace Blackwell Superchip; 20-Core Arm CPU 
  • Netzwerk: 10 GbE; ConnectX-7 bis 200 Gbit/s 
  • Modellgröße: bis 200 Mrd. Parameter
  • Direkt im CANCOM-Shop bestellbar

Für erweiterte Anforderungen: FlexPod AI Reference Architecture Solution

Für anspruchsvolle AI-Anwendungen bieten wir mit FlexPod AI Reference Architecture Solution eine validierte Full-Stack-Infrastruktur für den produktiven Einsatz. Die Lösung vereint führende Technologien von NVIDIA, Intel, NetApp und Cisco zu einer optimal aufeinander abgestimmten, skalierbaren und sofort einsatzbereiten AI-Plattform.

NVIDIA GPUs | Intel CPUs | NetApp Storage | Cisco Networking 

FlexPod AI

Welche typischen Anwendungsfälle sind mit FlexPod AI Reference Architecture Solution möglich? 

  • Unternehmensinterne Chatbots, AI-Assistenten und -Agenten, z.B. CANCOM Assistant oder CANCOM Digital Voice Agent
  • Retrieval Augmented Generation (RAG) mit eigenen Unternehmensdaten
  • Inferenz und Bereitstellung von Large Language Models (LLMs)
  • Computer Vision und Bildanalyse
  • Entwicklung, Bereitstellung und Betrieb von AI-Anwendungen im Unternehmensumfeld

Komponenten und technische Daten 

  • GPU-Compute: 4x NVIDIA RTX PRO 6000 
  • CPU-Compute: 2x Intel Xeon 6 CPUs 
  • High-Speed Network: Cisco Nexus bis 400 Gigabit Ethernet (GbE)  
  • Storage: NetApp AFF A90, AI-ready, 69 Terabyte nutzbar  
  • AI-Software: OpenShift AI, NVIDIA AI Enterprise   

Für maximale Performance: CANCOM AI Factory   

Mit der CANCOM AI Factory – NVIDIA DGX B300 bieten wir eine Hochleistungsplattform für das Training, das Fine-Tuning und die Inferenz großer AI-Modelle. Die Lösung vereint die neueste NVIDIA Blackwell Architektur mit leistungsstarker AI-Software und wurde für höchste Performance entwickelt, um auch besonders rechenintensive und anspruchsvolle AI-Workload optimal zu bewältigen.

NVIDIA GPUs | Intel CPUs | NVIDIA Networking | NVIDIA AI Enterprise 

b cancom flexpod 3

Welche typischen Anwendungsfälle sind mit der CANCOM AI Factory möglich?

  • Training großer Sprachmodelle (LLMs) 
  • Fine-Tuning bestehender AI-Modelle mit Unternehmensdaten 
  • Hochperformante Inferenz für produktive AI-Anwendungen 
  • Simulationen, Computer Vision und datenintensive AI-Workloads   

Komponenten und technische Daten 

  • GPU-Compute: NVIDIA DGX B300 mit 8x NVIDIA Blackwell GPUs
  • GPU-Arbeitsspeicher: bis zu 2,3 Terabyte HBM3e   
  • Systemspeicher: bis zu 2 Terabyte  
  • CPU-Compute: 2x Intel Xeon Prozessoren
  • Hochgeschwindigkeits-Netzwerk: NVIDIA ConnectX und BlueField DPU Technologie 
  • AI-Leistung: optimiert für Training, Fine-Tuning und Inferenz großer Modelle 
  • Erweiterbar: Integration in bestehende Rechenzentrums- und Storage-Umgebungen 

Häufig gestellte Fragen (FAQs)